CN116817869A - 一种利用激光雷达数据的海底光子信号确定方法 - Google Patents
一种利用激光雷达数据的海底光子信号确定方法 Download PDFInfo
- Publication number
- CN116817869A CN116817869A CN202311108855.1A CN202311108855A CN116817869A CN 116817869 A CN116817869 A CN 116817869A CN 202311108855 A CN202311108855 A CN 202311108855A CN 116817869 A CN116817869 A CN 116817869A
- Authority
- CN
- China
- Prior art keywords
- data
- photon
- photon signal
- photons
- sea
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 66
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 238000012937 correction Methods 0.000 claims abstract description 12
- 238000011282 treatment Methods 0.000 claims abstract description 7
- 230000002159 abnormal effect Effects 0.000 claims abstract description 5
- 230000008030 elimination Effects 0.000 claims abstract description 5
- 238000003379 elimination reaction Methods 0.000 claims abstract description 5
- 230000004927 fusion Effects 0.000 claims abstract description 5
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000011160 research Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 5
- 238000011835 investigation Methods 0.000 abstract 1
- 239000000758 substrate Substances 0.000 description 20
- 238000002310 reflectometry Methods 0.000 description 8
- 238000010521 absorption reaction Methods 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 4
- 238000009792 diffusion process Methods 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 229930002875 chlorophyll Natural products 0.000 description 3
- 235000019804 chlorophyll Nutrition 0.000 description 3
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 235000014653 Carica parviflora Nutrition 0.000 description 1
- 241000283153 Cetacea Species 0.000 description 1
- 241000243321 Cnidaria Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Optical Radar Systems And Details Thereof (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开一种利用激光雷达数据的海底光子信号确定方法,属于电数字数据处理技术领域,用于确定光子信号,包括:使用多波束回声测量***获得多波束测深数据,使用双频差分GPS进行水平定位,进行声速测量并结合AML验潮仪获取潮汐信息,经过声速校正、数据融合和消除异常点,插值为网格化水深数据;对研究区中的光子进行分窗处理,划分成若干个数据集D,对每个数据集D分别进行如下处理:通过计算出瞬时海平面的高度,得到海面的光子信号,确定海底光子信号,通过海底光子高度减去瞬时海平面的高度计算出水深值。本发明通过数据预处理以及对输入数据的处理,获得了稳定的聚类结果,提高了光子信号确定的精度。
Description
技术领域
本发明公开一种利用激光雷达数据的海底光子信号确定方法,属于电数字数据处理技术领域。
背景技术
海底光子信号确定方法中,需要使用激光雷达获取数据并进行处理,而光子计数激光雷达其光电倍增管技术提高了检测灵敏度,并实现了光子级信号检测,显著提高了检测效率,但是使用这种雷达也会导致噪声的增加和原始数据中较差的信噪比。因此点云去噪是至关重要的,对激光雷达数据的过度去噪会影响本具有使用意义的原始数据,但是去噪较少则会造成后续的光子信号中掺杂较多噪声。如何合理地处理激光雷达数据,形成高精度的光子信号,是本领域需要解决的问题。
发明内容
本发明的目的在于提供一种利用激光雷达数据的海底光子信号确定方法,以解决现有技术中,光子信号确定精度低的问题。
一种利用激光雷达数据的海底光子信号确定方法,包括:
S1.获取激光雷达数据;
使用多波束回声测量***获得多波束测深数据,使用双频差分GPS进行水平定位,进行声速测量并结合AML验潮仪获取潮汐信息,经过声速校正、数据融合和消除异常点,插值为网格化水深数据;
S2.使用基于密度的空间聚类应用去噪方法DBSCAN,对数据进行预处理;
对研究区中的光子进行分窗处理,划分成若干个数据集D,对每个数据集D分别进行如下处理:通过计算出瞬时海平面的高度,得到海面的光子信号,使用DBSCAN确定海底光子信号,通过海底光子高度减去瞬时海平面的高度计算出水深值。
S2包括:
S2.1.计算瞬时海平面的高度;
将数据集D在垂直方向上划分成分辨率为15 cm的窗口,光子的数量最多的窗口为海面,取光子的数量最多的窗口的中值为瞬时海表面高度,以瞬时海表面高度为原点,向上和向下分别取1 m的区间范围内的光子作为展示,光子的显示范围为[Sdown, Sup]:
;
;
式中,为海面瞬时高度,Sup和Sdown分别是海面光子的上层和下层。
S2包括:
S2.2.确定海底光子信号;
S2.2.1.利用KNN算法生成ε参数列表,计算数据集D中每个数据点与其第k个最近的数据点之间的最近邻距离,并对所有数据点的最近邻距离求平均值,具体包括:
B1.计算数据集D中所有点从i到j的距离矩阵DistN×N:
;
N为数据集D中消除海面上方的光子信号后点云的个数,dist(i, j)是数据集中点i和点j之间的距离;
B2.对距离矩阵DistN×N中的每一行元素升序排序,第一列表示对象到自身的距离,全为0,第k列中的元素构成所有点的k-最近邻距离向量Dk;
B3.对向量Dk中的元素求均值,得到Dk的k-平均最近邻距离,计算全部得到ε的参数列表Dε:
。
S2包括:
S2.2.2.利用给定的ε参数列表,生成对应的MinPts参数的列表Dmpts:
;/>;/>;
式中,ε和MinPts是DBSCAN的两个输入参数,x代表沿轨距离,搜索半径εk内的期望光子总数,h为区段的高程差值;/>为搜索半径εk内的噪声光子总数,ℎ2代表噪声数据高程差,为5 m。
S2包括:
S2.2.3.依次输入不同k值,得到对应的,将MinPtsk参数输入到DBSCAN算法对数据集D分别进行聚类,得到不同k值生成的点云簇数,当连续三次生成的簇数相同时,认为聚类的结果趋于稳定,把该簇数记为最优点云簇数Nbest。
S2包括:
S2.2.4. 继续执行S2.2.3,直到生成的簇数不再为Nbest,选择簇数为Nbest时对应的最大k值为最优k值,最优k值对应的为最优ε参数,/>为最优MinPts参数,得到海底的光子信号。
相对比现有技术,本发明具有以下有益效果:本发明通过数据预处理以及对输入数据的处理,获得了稳定的聚类结果,提高了光子信号确定的精度;高精度的光子信号也为水深反演提供了更好的原始数据,以此为基础有利于深入开展其他研究。
附图说明
图1为本发明的技术流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种利用激光雷达数据的海底光子信号确定方法,如图1,包括:
S1.获取激光雷达数据;
使用多波束回声测量***获得多波束测深数据,使用双频差分GPS进行水平定位,进行声速测量并结合AML验潮仪获取潮汐信息,经过声速校正、数据融合和消除异常点,插值为网格化水深数据;
S2.使用基于密度的空间聚类应用去噪方法DBSCAN,对数据进行预处理;
对研究区中的光子进行分窗处理,划分成若干个数据集D,对每个数据集D分别进行如下处理:通过计算出瞬时海平面的高度,得到海面的光子信号,使用DBSCAN确定海底光子信号,通过海底光子高度减去瞬时海平面的高度计算出水深值。
S2包括:
S2.1.计算瞬时海平面的高度;
将数据集D在垂直方向上划分成分辨率为15 cm的窗口,光子的数量最多的窗口为海面,取光子的数量最多的窗口的中值为瞬时海表面高度,以瞬时海表面高度为原点,向上和向下分别取1 m的区间范围内的光子作为展示,光子的显示范围为[Sdown, Sup]:
;
;
式中,为海面瞬时高度,Sup和Sdown分别是海面光子的上层和下层。
S2包括:
S2.2.确定海底光子信号;
S2.2.1.利用KNN算法生成ε参数列表,计算数据集D中每个数据点与其第k个最近的数据点之间的最近邻距离,并对所有数据点的最近邻距离求平均值,具体包括:
B1.计算数据集D中所有点从i到j的距离矩阵DistN×N:
;
N为数据集D中消除海面上方的光子信号后点云的个数,dist(i, j)是数据集中点i和点j之间的距离;
B2.对距离矩阵DistN×N中的每一行元素升序排序,第一列表示对象到自身的距离,全为0,第k列中的元素构成所有点的k-最近邻距离向量Dk;
B3.对向量Dk中的元素求均值,得到Dk的k-平均最近邻距离,计算全部得到ε的参数列表Dε:
。
S2包括:
S2.2.2.利用给定的ε参数列表,生成对应的MinPts参数的列表Dmpts:
;/>;/>;
式中,ε和MinPts是DBSCAN的两个输入参数,x代表沿轨距离,搜索半径εk内的期望光子总数,h为区段的高程差值;/>为搜索半径εk内的噪声光子总数,ℎ2代表噪声数据高程差,为5 m。
S2包括:
S2.2.3.依次输入不同k值,得到对应的,将MinPtsk参数输入到DBSCAN算法对数据集D分别进行聚类,得到不同k值生成的点云簇数,当连续三次生成的簇数相同时,认为聚类的结果趋于稳定,把该簇数记为最优点云簇数Nbest。
S2包括:
S2.2.4. 继续执行S2.2.3,直到生成的簇数不再为Nbest,选择簇数为Nbest时对应的最大k值为最优k值,最优k值对应的为最优ε参数,/>为最优MinPts参数,得到海底的光子信号。
实施例中,获取激光雷达数据时,A岛现场水深数据获取的时间为2016年5月,为多波束测深数据,采集时使用了多波束回声测量***,该***能够提供更加精确的水深数据。为了保证数据的准确性,还使用了双频差分GPS进行水平定位,其提供的精度高达厘米级。同时,为了消除水下声速对数据的影响,使用仪器进行声速测量,并结合验潮仪获取了现场的潮汐信息。最终,经过声速校正、数据融合和消除异常点,插值成了1 m分辨率的网格化水深数据。
B岛的现场水深数据2013年4月获取,来源于“1:2000陆域及水下地形测量图”。使用了测深仪和GPS接收机进行数据采集。测深仪的精度为±0.01 m,每隔一秒钟收集一个水深点,并通过GPS连接实现了水深数据和地理坐标的同步采集。
同时获取了B岛的ICESat-2激光雷达数据。与B岛的海图数据进行验证,ICESat-2激光雷达数据的精度同样可以用于水深反演结果的验证。
ICESat-2卫星携带的最早的空间光子计数器提供了一种主动遥感探测技术,它采用了532 nm光子计数LiDAR,具有较高的水体穿透能力并提供了额外的垂直测量,同时测量精度较高。每个脉冲的直径为17 m,沿轨道的间距为0.7 m,代表ICESat-2卫星的空间分辨率。自2018年10月14日以来,ICESat-2卫星一直在收集数据。基于WGS-84椭圆坐标系,每个捕获到的光子都有各自的时间变化量、纬度、经度和海拔高度。ICESat-2卫星有一套数据产品,包括数据产品ATL03。全球地理定位光子数据是转换的遥测数据产生的。共有6个“gtx”组,每组包含地面轨道的一个激光束的分段(三个强光束和三个弱光束)。强光束和弱光束的能量比约为4:1,大致垂直于卫星飞行方向。光束对在轨道上间隔约3.3 km,在跨轨道方向间隔90 m,在沿轨道方向间隔约2.5 km。在本发明的工作中,使用了地理定位光子数据的第五版。
由于多波束现场水深数据以及ICESat-2激光雷达数据与遥感影像的分辨率不一致,一个遥感影像像元内可能包含多个水深数据。因此,对一个像元内的多个水深数据取其均值作为最后的验证水深值。
多波束、海图现场水深数据与遥感影像成像时刻存在时间不一致的问题。因此,需要进行潮汐校正,以获得成像时的实际水深测量值。潮汐校正是将不同时间收集的水深值均匀地校正为卫星过境时遥感影像采集时刻的瞬时水深值,然后我们可以得到潮汐校正的现场深度。
由于现场水深测量数据与卫星过境时遥感影像存在采集时间不同步的问题,为避免水深测量数据未经过校正为水深反演工作带来潮汐误差,需要对水深测量数据进行潮汐校正处理。潮汐校正是将水深测量数据校正为卫星过境时遥感影像采集时刻的瞬时水深,即现场采集水深加上遥感影像采集时刻的瞬时潮高等于遥感影像瞬时的水深。
自半解析模型提出以来,由于受传感器的限制,通常研究区缺乏合适的高光谱数据,水体光学属性与底质光谱数据也极为匮乏,这些都限制了水深反演的进一步研究,水深反演研究出现了较长时间的瓶颈期。近年来,国内水深反演的研究有了较快的发展,为了使半解析模型能够用于多光谱影像,可以简化半解析辐射传输模型,研究区水体的漫射衰减系数,将漫射衰减系数作为已知参数,简化半解析模型,将浅水区的遥感反射率参数化为两个未知参数。利用研究区近邻深水区遥感反射率估计水体光学参数并用于浅水区模型,简化浅水深区模型,使模型可用于多光谱遥感数据,利用遥感影像也能得到较好的效果。但现有技术中依然存在实现海底底质分类和水深反演需要依赖现场辅助数据的问题。
基于一种利用激光雷达数据的海底光子信号确定方法,获得海底光子信号后,可进一步进行水深反演,包括:
T1.计算漫射衰减系数Kd(λ)的值;将邻近深水区的遥感反射率输入到半分析模型中,将半分析模型参数化为仅含有两个参数的函数,所述两个参数为ag(440)和C;
T2.计算深度不变指数:/>;
其中和/>是大气校正后i和j波段的水面下遥感反射率,DIIij是波段i和j的深度不变指数,用于表示底质类型,Kdi和Kdj是两个可见光波段之间的衰减系数之比;
T3.仅用多光谱数据分底质反演研究区水深;
计算水深H,底质光谱由下:/>;
其中是/>波长下的归一化光谱形状,B是比例系数,使用数值优化算法解出B和H。
T1.1.计算散射权重系数;
(1);/>(2);/>(3);
式中,是光学深水区的水面下遥感反射率,a(λ)是吸收系数和bb(λ)是后向散射系数,g0和g1为两个定值,分别为g0=0.0895和g1=0.1247,Rrs为水体遥感反射率,rrs为水面下遥感反射率,u(λ)是波长λ的散射权重系数。
T1.2.确定与ag(440)和C之间的关系:
(4);/>(5);/>(6);
式中,aw(λ)为纯水的吸收系数,bbw(λ)为纯水的后向散射系数,aφ(λ)为浮游植物色素的吸收系数,ag(λ)为黄色物质吸收系数,bbp(λ)为粒子的后向散射系数。
T1.3.将aφ(λ)参数化为叶绿素浓度C的函数:(7);(8);
a0(λ)和a1(λ)均为经验系数,表示波长为440nm的浮游植物色素的吸收系数;
黄色物质吸收系数ag(λ)由ag(440)表示,如下:(9);
ag(440)表示波长为440nm的黄色物质吸收系数。
T1.4.将粒子的后向散射系数bbp(λ)由bbp(400)和Y进行参数化:
(10);
bbp(400) 表示波长为400nm的粒子的后向散射系数;bbp(λ)参数化为叶绿素浓度C的函数:(11);
表示波长为550nm的粒子的后向散射系数;
Y设置成常数,Y=0.67875,bbp(550)参数化为关于叶绿素浓度C的函数,如下:
(12)。
T1.5.模拟不同参数情况下的光谱特性,建立光谱库,当模拟的水面下遥感反射率和/>最相似时,模拟出的ag(440)和C作为最终结果;
计算漫射衰减系数Kd(λ),使用鲸鱼优化算法求解半分析模型,求解的目标函数如下:
(13)。
底质分类方法是深水半分析模型和深度不变指数分类方法的结合,本发明提出的方法不再需要纯像素目视解译或现场观测。相反,它依赖于深水半分析模型反演三个可见光波段的水体漫射衰减系数。根据深度不变指数,通过消除任意两个可见波段的水深来实现水体校正,并且可以通过任意两个可见光波段的Kd比值来获得深度不变指数。本发明方法的优点就是,仅依靠来自多光谱影像的信息就足以实现分类,而不依赖现场观测。仅用多光谱影像本身就足以实现底质分类和水深反演,从而实现难以到达区域的底质分类和水深反演。相比以往以来现场辅助数据的底质分类和水深反演方法,降低了成本,减少了人力物力的消耗。同时底质分类方法能有效提高水深反演模型精度,初步解决了以往水深反演方法中,由于复杂底质的影响,使得反演水深被高估的问题。
DII bg 是蓝波段和绿波段组合后的深度不变指数,DII br 是蓝波段和红波段组合后的深度不变指数,DII gr 是绿波段和红波段组合后的深度不变指数,分别用于表示不同的底质类型。对于每个研究区,底质已经被分为2种类型。在浅水区水深反演模型中,需要底质光谱来反演水深。因此,有必要为每种底质类型选择合适的底质光谱。事实上,底质类型多种多样,这只是一个粗略的底质分类。底质光谱可以表示为两种类型,分别是“亮”和“暗”。在本发明中,砂光谱和珊瑚光谱分别被用于这两种底质类型。底质分类只使用多光谱影像就可实现,并避免了复杂的目视解译步骤。
以上实施例仅用于说明本发明的技术方案,而非对其限制,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换,而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种利用激光雷达数据的海底光子信号确定方法,其特征在于,包括:
S1.获取激光雷达数据;
使用多波束回声测量***获得多波束测深数据,使用双频差分GPS进行水平定位,进行声速测量并结合AML验潮仪获取潮汐信息,经过声速校正、数据融合和消除异常点,插值为网格化水深数据;
S2.使用基于密度的空间聚类应用去噪方法DBSCAN,对数据进行预处理;
对研究区中的光子进行分窗处理,划分成若干个数据集D,对每个数据集D分别进行如下处理:通过计算出瞬时海平面的高度,得到海面的光子信号,使用DBSCAN确定海底光子信号,通过海底光子高度减去瞬时海平面的高度计算出水深值。
2.根据权利要求1所述的一种利用激光雷达数据的海底光子信号确定方法,其特征在于,S2包括:
S2.1.计算瞬时海平面的高度;
将数据集D在垂直方向上划分成分辨率为15 cm的窗口,光子的数量最多的窗口为海面,取光子的数量最多的窗口的中值为瞬时海表面高度,以瞬时海表面高度为原点,向上和向下分别取1 m的区间范围内的光子作为展示,光子的显示范围为[Sdown, Sup]:
;
;
式中,为海面瞬时高度,Sup和Sdown分别是海面光子的上层和下层。
3.根据权利要求2所述的一种利用激光雷达数据的海底光子信号确定方法,其特征在于,S2包括:
S2.2.确定海底光子信号;
S2.2.1.利用KNN算法生成ε参数列表,计算数据集D中每个数据点与其第k个最近的数据点之间的最近邻距离,并对所有数据点的最近邻距离求平均值,具体包括:
B1.计算数据集D中所有点从i到j的距离矩阵DistN×N:
;
N为数据集D中消除海面上方的光子信号后点云的个数,dist(i, j)是数据集中点i和点j之间的距离;
B2.对距离矩阵DistN×N中的每一行元素升序排序,第一列表示对象到自身的距离,全为0,第k列中的元素构成所有点的k-最近邻距离向量Dk;
B3.对向量Dk中的元素求均值,得到Dk的k-平均最近邻距离,计算全部/>得到ε的参数列表Dε:
。
4.根据权利要求3所述的一种利用激光雷达数据的海底光子信号确定方法,其特征在于,S2包括:
S2.2.2.利用给定的ε参数列表,生成对应的MinPts参数的列表Dmpts:
;/>;/>;
式中,ε和MinPts是DBSCAN的两个输入参数,x代表沿轨距离,搜索半径εk内的期望光子总数,h为区段的高程差值;/>为搜索半径εk内的噪声光子总数,ℎ2代表噪声数据高程差,为5 m。
5.根据权利要求4所述的一种利用激光雷达数据的海底光子信号确定方法,其特征在于,S2包括:
S2.2.3.依次输入不同k值,得到对应的,将MinPtsk参数输入到DBSCAN算法对数据集D分别进行聚类,得到不同k值生成的点云簇数,当连续三次生成的簇数相同时,认为聚类的结果趋于稳定,把该簇数记为最优点云簇数Nbest。
6.根据权利要求5所述的一种利用激光雷达数据的海底光子信号确定方法,其特征在于,S2包括:
S2.2.4. 继续执行S2.2.3,直到生成的簇数不再为Nbest,选择簇数为Nbest时对应的最大k值为最优k值,最优k值对应的为最优ε参数,/>为最优MinPts参数,得到海底的光子信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311108855.1A CN116817869B (zh) | 2023-08-31 | 2023-08-31 | 一种利用激光雷达数据的海底光子信号确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311108855.1A CN116817869B (zh) | 2023-08-31 | 2023-08-31 | 一种利用激光雷达数据的海底光子信号确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116817869A true CN116817869A (zh) | 2023-09-29 |
CN116817869B CN116817869B (zh) | 2023-12-22 |
Family
ID=88118891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311108855.1A Active CN116817869B (zh) | 2023-08-31 | 2023-08-31 | 一种利用激光雷达数据的海底光子信号确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116817869B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117346744A (zh) * | 2023-12-04 | 2024-01-05 | 山东科技大学 | 基于涨退潮时星载主被动遥感信息的测量水深反演方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120000289A1 (en) * | 2008-11-07 | 2012-01-05 | Nec Corporation | Target detection device, target detection control program, and target detection method |
CN113960625A (zh) * | 2021-10-22 | 2022-01-21 | 自然资源部第二海洋研究所 | 一种基于星载单光子激光主被动遥感融合的水深反演方法 |
CN113960624A (zh) * | 2021-10-22 | 2022-01-21 | 自然资源部第二海洋研究所 | 一种基于自适应dbscan的激光雷达回波水下地形检测方法 |
CN115436966A (zh) * | 2022-10-13 | 2022-12-06 | 自然资源部第二海洋研究所 | 一种激光雷达参考水深控制点批量提取方法 |
-
2023
- 2023-08-31 CN CN202311108855.1A patent/CN116817869B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120000289A1 (en) * | 2008-11-07 | 2012-01-05 | Nec Corporation | Target detection device, target detection control program, and target detection method |
CN113960625A (zh) * | 2021-10-22 | 2022-01-21 | 自然资源部第二海洋研究所 | 一种基于星载单光子激光主被动遥感融合的水深反演方法 |
CN113960624A (zh) * | 2021-10-22 | 2022-01-21 | 自然资源部第二海洋研究所 | 一种基于自适应dbscan的激光雷达回波水下地形检测方法 |
CN115436966A (zh) * | 2022-10-13 | 2022-12-06 | 自然资源部第二海洋研究所 | 一种激光雷达参考水深控制点批量提取方法 |
Non-Patent Citations (1)
Title |
---|
王震;乔璐璐;王云飞;: "东中国海表层悬浮体浓度卫星遥感反演研究进展", 沉积学报, no. 02 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117346744A (zh) * | 2023-12-04 | 2024-01-05 | 山东科技大学 | 基于涨退潮时星载主被动遥感信息的测量水深反演方法 |
CN117346744B (zh) * | 2023-12-04 | 2024-03-19 | 山东科技大学 | 基于涨退潮时星载主被动遥感信息的测量水深反演方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116817869B (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hsu et al. | A semi-empirical scheme for bathymetric mapping in shallow water by ICESat-2 and Sentinel-2: A case study in the South China Sea | |
Pacheco et al. | Retrieval of nearshore bathymetry from Landsat 8 images: A tool for coastal monitoring in shallow waters | |
CN108303044B (zh) | 一种叶面积指数获取方法及*** | |
Tulldahl et al. | Classification of aquatic macrovegetation and substrates with airborne lidar | |
Eren et al. | Bottom characterization by using airborne lidar bathymetry (ALB) waveform features obtained from bottom return residual analysis | |
CN110427857A (zh) | 一种基于遥感数据融合的输电线路地质灾害分析方法 | |
CN116817869B (zh) | 一种利用激光雷达数据的海底光子信号确定方法 | |
CN112013822A (zh) | 基于改进gwr模型的多光谱遥感水深反演方法 | |
CN109781073B (zh) | 一种融合海浪特征和光谱特征的浅海水深遥感提取方法 | |
CN110109118B (zh) | 一种森林冠层生物量的预测方法 | |
Innangi et al. | Reson SeaBat 8125 backscatter data as a tool for seabed characterization (Central Mediterranean, Southern Italy): Results from different processing approaches | |
CN110988909A (zh) | 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法 | |
CN114509409B (zh) | 星载单光子激光雷达的叶绿素浓度垂直剖面反演方法 | |
CN101329173A (zh) | 一种浑浊水体大气校正方法 | |
CN114201732A (zh) | 一种基于Sentinel-2A影像的浅海海域水深反演方法 | |
Vetter et al. | Estimating changes of riverine landscapes and riverbeds by using airborne LiDAR data and river cross-sections | |
CN114299318A (zh) | 一种快速点云数据处理和目标图像匹配的方法及*** | |
CN111144350B (zh) | 一种基于参考底图的遥感影像定位精度评价方法 | |
CN116519913A (zh) | 基于星载和地基平台融合的gnss-r数据土壤水分监测方法 | |
CN113960625B (zh) | 一种基于星载单光子激光主被动遥感融合的水深反演方法 | |
CN112050793A (zh) | 一种WorldView-2立体双介质水深探测方法 | |
Deng et al. | Mapping bathymetry from multi-source remote sensing images: a case study in the Beilun estuary, Guangxi, China | |
Liu et al. | Bathymetric ability of SPOT-5 multi-spectral image in shallow coastal water | |
CN111368716A (zh) | 一种基于多源时空数据的地质灾害灾毁耕地提取方法 | |
CN115060656B (zh) | 基于稀疏先验实测点的卫星遥感水深反演方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |